WERDEN SIE DATA SCIENTIST!€¦ · I Einführung in KNIME I Einführung in Python Tag 2 Modellierungstechniken I Klassifikation und Evaluation I Regression und Evaluation I Clustering

WERDEN SIE DATA SCIENTIST!Das Fraunhofer-Weiterbildungsprogramm mit Zertifizierung

»MACHEN SIE MEHR AUS DATEN«

Die fortschreitende Digitalisierung überflutet Unternehmen in

allen Wirtschaftsbereichen zunehmend mit Datenmengen, die

sich nur noch mit maschineller Hilfe erschließen lassen. Das

Potenzial ist riesig – von datengestützten Geschäftsentschei-

dungen über die Optimierung interner Prozesse bis zu neuen

Geschäftsmodellen. Atemberaubend schnell durchdringt

künstliche Intelligenz in Form sprachgesteuerter Geräte,

digitaler Assistenten, kooperativer Roboter und autonomer

Fahrzeuge unseren Alltag. In digitalen Medien kommunizieren

Bots mit unseren Kunden und auch am Schreibtisch werden

Routineaufgaben immer mehr automatisiert.

Für all das brauchen Unternehmen Teams mit einem beson-

deren Mix an Kompetenzen. »Data Scientists«, die Daten

semantisch anreichern, auf hochleistungsfähigen Hard- und

Softwareplattformen in großen Mengen zusammenführen und

mit maschinellen Lernverfahren prädiktive Modelle erstellen

können, sind weltweit enorm gefragt.

An diesen Bedarf knüpft unser Angebot an: Mit einem

modularen Schulungs- und Zertifizierungsprogramm richten

wir uns an Führungskräfte in »data-driven Companies«, die

fit für Smart Data werden möchten, und an Fachkräfte, die

sich kompakt zu Data Scientists weiterbilden und zertifizieren

lassen möchten:

I Business Developer und Manager profitieren von unserem

Schulungsprogramm für die Unternehmensentwicklung –

etwa für neue Geschäftsmodelle, individualisierte Angebote,

smartere Produkte oder die Optimierung von Geschäfts-

prozessen.

I Daten-Manager lernen, wie man Daten effektiv beschreibt

und integriert und wie man dabei Datenschutz- und

-sicherheit in Big-Data-Umgebungen gewährleisten kann.

I Daten-Analysten erfahren, wie sie mit maschinellen

Lernverfahren prädiktive Modelle entwickeln, um neue

Trends in Daten aufzuspüren, Prognosen zu erstellen und

Handlungsoptionen abzuleiten.

I Software-Ingenieure lernen, mit modernen Datenbanken,

verteilter Speicherung und hocheffizienten Technologien

robuste, skalierbare Lösungen zu entwickeln.

Wir freuen uns, wenn Ihnen unser Schulungs- und Zertifizie-

rungsprogramm zusagt, und wünschen Ihnen wertvolle neue

Erkenntnisse bei der Umsetzung in Ihren Projekten und viel

Erfolg für Ihre Karriere als Data Scientist.

Dr. Dirk Hecker

Geschäftsführer der

Fraunhofer-Allianz Big Data

Prof. Dr. Stefan Wrobel

Sprecher der


2

FRAUNHOFER BIETET IHNEN ...

BESTE SCHULUNGSBEDINGUNGEN Unsere Schulungen werden von erfahrenen Data Scientists durchgeführt. Wir vermitteln Ihnen

einen herstellerneutralen Überblick über gängige Tools und Methoden, die Sie in praktischen

Übungen direkt erproben und umsetzen. In kleinen Gruppen erhalten Sie eine intensive Betreu-

ung, bei der unsere Dozenten auf Ihre Fragen eingehen und spezifische Anwendungsfälle mit

Ihnen diskutieren können.

LANGJÄHRIGE PRAXISERFAHRUNG Zentrale Aufgabe der Fraunhofer-Gesellschaft ist die anwendungsorientierte Forschung für

Wirtschaft und Gesellschaft. Wir begleiten unsere Kunden aus unterschiedlichen Branchen

von der ersten Projektidee über die strategische Entwicklung bis hin zur operativen Umset-

zung ihrer Big-Data-Vorhaben. Als Schulungsteilnehmer profitieren Sie von unseren direkten

Erfahrungen aus der Unternehmenspraxis. Das schließt wichtige Aspekte wie Datenschutz

und -sicherheit ein.

UNABHÄNGIGE SPITZENFORSCHUNG Fraunhofer steht für Spitzenforschung auf höchstem Niveau. In nationalen und internationa-

len Forschungsprojekten entwickeln unsere Institute innovative Lösungen mit Data Mining,

maschinellem Lernen, maschinellem Sehen und Mustererkennung. Unsere Mitarbeiterinnen

und Mitarbeiter sind Autoren und Autorinnen wichtiger wissenschaftlicher Publikationen und

Studien zu Big Data, künstlicher Intelligenz und maschinellem Lernen.

INTENSIVE VERNETZUNG Durch eine branchenübergreifende Vernetzung können wir den Teilnehmenden unserer Schu-

lungen ein breites Markt- und Technologiewissen vermitteln. Wir engagieren uns in wichtigen

Branchenverbänden wie BITKOM oder VDMA. Bei der Fortbildung kooperieren wir mit der

»Fraunhofer Academy« und sind Teil der »European Data Science Academy«. Darüber hinaus

entwickeln wir Materialien für Online-Learning.

3

»Data Scientists« sind Spezialisten mit vielen

Fähigkeiten, die in Unternehmen aus Daten Wert

schöpfen. Sie verstehen es, Daten auf hoch-

leistungsfähigen Hard- und Softwareplattformen

zusammenzuführen, semantisch anzureichern, mit

maschinellen Lernverfahren prädiktive Modelle zu

erstellen und diese für intelligente Lösungen und

neue Geschäftsideen zu nutzen.

DAS SCHULUNGSPROGRAMM IM ÜBERBLICK

4

Unser Data-Scientist-Programm besteht aus einer dreistufigen Zertifizierung sowie aus Schulun-

gen mit Fokus auf spezielle Methoden und Anwendungsbereiche, die einzeln gebucht werden

können. Diese Broschüre informiert Sie über das Zertifizierungsprogramm. Weitere Informa-

tionen zum Gesamtprogramm finden Sie online:

www.bigdata.fraunhofer.de/datascientist

ZERTIFIZIERTER DATA SCIENTIST

BRANCHENSPEZIFISCHE SCHULUNGEN

Die Zertifizierung zum Data Scientist

ist in drei Stufen möglich.

1. Data Scientist Basic Level

2. Specialist in Data Analytics, Data Management

oder Machine Learning

3. Senior Data Scientist

I Smart Data and Big Data for Industry 4.0

I Data Scientist for Smart Energy Systems

I Energy Data Analyst

I Data Scientist for Smart Buildings

I Analysis of Big Data Potentials in Business

I Text Analytics in Life Sciences

I Linked Enterprise Information Integration

I Multimedia Analytics

I Semantic Business Rules and Decision Models

METHODENSPEZIFISCHE SCHULUNGEN

I Data Analytics – Potentials and Realization

I Basic Data Analytics

I Visual Analytics

I Big Data Architecture

I Big Data Analytics

I Deep Learning

I Deep Learning: News from NIPS

I Data Management and Integration

I Security and Privacy for Big Data

5

Data Scientist

Basic Level

Mit unserem Zertifizierungsprogramm können sich Personen

mit nachgewiesener Berufserfahrung und einem erfolgreich

ab geschlossenen Studium in Informatik, Mathematik,

Statistik oder einem Anwendungsgebiet zum Data Scientist

weiterbilden.

Die Zertifikate vergibt die Fraunhofer-Personenzertifizierungs-

stelle, die auch die Prüfungen durchführt. Die Fraunhofer-

Personenzertifizierungsstelle geht nach den Vorgaben der

DIN EN ISO 17024 vor. Sie entwickelt zusammen mit den

beteiligten Fraunhofer-Instituten und einem Fachbeirat Kom-

petenzprofile für die Zertifikate, definiert die Prüfungsregula-

rien und erarbeitet konkrete Prüfungsinhalte. Die Prüfungen

können wiederholt werden.

DAS ZERTIFIZIERUNGSPROGRAMM – IN DREI STUFEN ZUM SENIOR DATA SCIENTIST

Mehr Informationen online:

www.personenzertifizierung.fraunhofer.de/de/

zertifikate/data-science-zertifikate.html

Specialist in Data

Analytics

Senior

Data Scientist

Specialist in Data

Management

Specialist in

Machine

Learning

6

http://www.personenzertifizierung.fraunhofer.de/de/zertifikate/data-science-zertifikate.html

http://www.personenzertifizierung.fraunhofer.de/de/zertifikate/data-science-zertifikate.html

DIE ERSTE STUFE DATA SCIENTIST BASIC LEVEL KANN MIT EINEM VON VIER ZERTIFIKATEN ERREICHT WERDEN:

I Data Scientist Basic Level vermittelt breites Wissen für die Zusammenarbeit in

heterogenen Teams

I Specialist in Data Management vermittelt Wissen und Methoden für ein

Datenmanagement, das Ihre Arbeit nachvollziehbar macht und qualitativ hochwertige

Daten für Analyseprojekte bereitstellt

I Specialist in Data Analytics vermittelt Wissen und Methoden für die Daten-

analyse mit Data Mining

I Specialist in Machine Learning vermittelt fortgeschrittene Methoden des

maschinellen Lernens für intelligente Lösungen aus großen Datenmengen

DIE ZERTIFIZIERUNGSSTUFE DATA SCIENTIST ADVANCED LEVEL ERFORDERT:

I Überblickswissen, nachzuweisen durch das Zertifikat »Data Scientist Basic Level«

I Spezialwissen, nachzuweisen durch eines der Spezialzertifikate »Specialist in Data Manage-

ment«, »Specialist in Data Analytics« oder »Specialist in Machine Learning«

I Berufserfahrung, individuell nachzuweisen

DIE ZERTIFIZIERUNGSSTUFE SENIOR DATA SCIENTIST BESCHEINIGT ERFAHRUNG IN DER SELBSTSTÄNDIGEN DURCHFÜHRUNG VON PROJEKTEN.NACHZUWEISEN SIND:

I Das Zertifikat »Data Scientist Advanced Level«

I Weitere Berufserfahrung

I Eine Projektdokumentation, die Sie selbständig erarbeiten und vor einem Expertengremium

präsentieren. Hier entscheiden Sie selbst, ob Sie eine Aufgabe aus Ihrem Unternehmen oder

eine von uns vorgeschlagene Aufgabe bearbeiten. Dabei begleiten wir Sie gerne.

DIE ZERTIFIZIERUNG IST IN DREI AUFEINANDER AUFBAUENDEN STUFEN MÖGLICH:

7

Ein Data Scientist hat das Wissen und die Fähigkeiten, umfangreiche und vielfältige Daten

systematisch zu analysieren. Diese Analysen leisten signifikante Beiträge zur Unterstützung

von Entscheidungen auf allen Geschäftsebenen, zur Individualisierung der Kundenansprache,

zur Verbesserung von Prozessen und Produkten und zur Entwicklung neuer Angebote und

Geschäftsmodelle.

Dazu benötigt ein Data Scientist Techniken und Methoden aus Mathematik, Statistik und

Informationstechnologie. Hinzu kommen notwendige Kenntnisse in der Anwendungsdiziplin

und der eigenen Branche. Weil selten eine einzelne Person alle Fähigkeiten in der erforderlichen

Tiefe beherrscht, arbeiten Data Scientists optimalerweise in Teams, die alle erforderlichen

Qualifikationen bündeln.

Wir vermitteln Ihnen breit gefächertes Wissen und das Vokabular, um effizient mit anderen

Spezialisten in Data Science Teams zu arbeiten. Sie erfahren, wie Business Developer die Poten-

ziale von Big Data in ihrem Unternehmen erschließen, wie Daten manager Daten beschreiben

und integrieren, wie Analysten mit maschinellen Lernverfahren automatisch Muster und Trends

aus Daten extrahieren und wie Software-Ingenieure mit modernen Datenbanken und verteilten

Berechnungsverfahren robuste und skalierbare Big-Data-Systeme entwickeln. All dies erfolgt

unter Berücksichtigung von Datenschutz und -sicherheit.

Die Schulung zum »Data Scienist Basic Level« dauert fünf Tage. Die Prüfung findet am Vor-

mittag des sechsten Tages statt. Sie kann ein Mal wiederholt werden.

DATA SCIENTIST BASIC LEVEL

BASIC

8

Tag 1

Big-Data-Systeme

I Big Data und der Bedarf an Data Scientists

I Konzepte und eine Referenzarchitektur für

Big-Data-Systeme

I Datenströme und Batchverarbeitung

Tag 2

Datenmanagement

I Datenverständnis und Datenvorverarbeitung

I Metadatenmanagement

I Datenintegration

I Datenqualität

Tag 3

Datenanalyse

I Der Prozess der Datenanalyse

I Grundlegende Aufgaben und Methoden

des maschinellen Lernens

I Evaluation von Datenmodellen

Tag 4

Analyse und Visualisierung von Big Data, Datenschutz

und Datensicherheit

I Analyse von Big Data

I Visualisierung von Big Data

I Ziele und Herausforderungen für Sicherheit und

Schutz von Big Data

I Prinzipien des Datenschutzes

Tag 5

Geschäftsperspektiven

I Strategische Ausrichtung und Nutzenanalyse

I Big Data Capability & Readiness Analysis

I Zusammenfassung

I Zeit zur Vorbereitung auf die Prüfung

Tag 6

Prüfung durch die Fraunhofer-Personenzertifizierungsstelle

Abschluss

Zertifikat »Data Scientist Basic Level«

Zielgruppe

Führungskräfte, Projektverantwortliche, Fachkräfte

Voraussetzung

Grundkenntnisse in Statistik und Datenanalyse; Basis-

wissen in Programmierung und über Datenbanken ist

von Vorteil

Voraussetzungen für die Zertifizierung

Studium oder äquivalente Qualifikation durch Einzel-

nachweis

Institute und Schulungsorte

Fraunhofer IAIS, IESE, FIT, SIT

Sankt Augustin und Kaiserslautern

Basic SeniorSpecialist

9

SPECIALIST IN DATA MANAGEMENT

Wir vermitteln Ihnen Methoden für den nachhaltigen Umgang mit Daten und Dokumenten für einen effizienteren Zugriff und

eine leichtere Nachvollziehbarkeit. In Theorie und Praxis erfahren Sie, wie Sie Daten richtig modellieren, beschreiben und effektiv

aufbereiten. Sie lernen verschiedene Software-Typen und die Grundlagen von NoSQL-Systemen kennen, um unterschiedliche

Datenquellen strukturell zu analysieren und zusammenzuführen. Sie lernen, wie Sie Datenqualität messen und erfahren, wie Sie

eine Organisationseinheit strukturell und organisatorisch führen müssen, um eine gute Datenmanagement-Praxis umzusetzen.

SPECIALIST

Tag 1

Metadaten-Management

I Software und Vorgehensweisen für die Extraktion

von Metadaten aus Dateien und Systemen

I Metadaten modellieren und beschreiben

I Vorteile von Metadatenstandards

I Grundlagen des Semantic Web und von Ontologien

Tag 2

Datenintegration

I Unterschiede von Data-Warehouse- und Data-Lake-Systemen

I Daten mit Software-Tools aufbereiten und integrieren

I Daten aus semistrukturierten Quellen abfragen

Tag 3

Datenqualität, Datenanalyse und -visualisierung

I Methoden zum Datenqualitätsmanagement

I Verfahren und Software für die Erkennung

von Datenqualitätsproblemen und Kenntnis, welche

Verfahren in welchem Kontext eingesetzt werden

I Vorteile und Grenzen visueller und statistischer Datenanalysen

I Anforderungen verschiedener analytischer Verfahren und

Kenntnis, wie Daten für die Verfahren repräsentiert sein

müssen

Tag 4

Datenmanagement-Planung

I Software und Kostenstrukturen von Datenmanagement-

Software

I Datenmanagement planen und budgetieren

I Risiken und Optimierungen im Datenmanagement

Tag 5


Abschluss

Zertifikat »Data Scientist Specialized in Data Management«

Zielgruppe

Fach- und Führungskräfte mit Bezug zu heterogenen

( Forschungs-)Daten

Voraussetzung

Der Umgang mit Office-Programmen wird vorausgesetzt,

Grundkenntnisse in Datenstrukturen und Programmie-

rung sind von Vorteil



nachweis

Institute und Schulungsort

Fraunhofer FIT, IME, Sankt Augustin

10

SPECIALIST IN DATA ANALYTICS

Sie lernen wesentliche Grundlagen der modernen Datenanalyse kennen. Nach der Schulung können Sie den Nutzen von

maschinellen Lernverfahren bewerten und erste eigene Analysefragestellungen bearbeiten. Für die praktischen Übungen

kommen die freie Software »KNIME« und die Programmiersprache »Python« zum Einsatz.

Tag 1

Grundlagen

I Einführung in die Datenanalyse

I Daten-Vorverarbeitung

I Einführung in KNIME

I Einführung in Python

Tag 2

Modellierungstechniken

I Klassifikation und Evaluation

I Regression und Evaluation

I Clustering und Evaluation

Tag 3

Fortgeschrittene Modellierung

I Zeitreihen

I Neuronale Netze

I Ausreißererkennung

I Ensemble-Methoden

Tag 4

Workflow einer detaillierten Analyse mit Python

I Datensäuberung

I Explorative Analyse

I Statistische und maschinelle Lernverfahren

Tag 5


Abschluss

Zertifikat »Data Scientist Specialized in Data Analytics«

Zielgruppe

Analysten, Softwareentwickler/-architekten, Interessierte

aus der Forschung

Voraussetzung

Grundkenntnisse in Statistik und Datenanalyse; Basis-

wissen in Programmierung und über Datenbanken ist

von Vorteil



nachweis

Institut und Schulungsorte

Fraunhofer IAIS, Sankt Augustin und Kaiserslautern


11

Prüfung durch die Fraunhofer-Personenzertifizierungsstelle in Sankt Augustin

Abschluss

Zertifikat »Data Scientist Specialized in Machine Learning«

Voraussetzung

Praktische Kenntnisse im maschinellen Lernen


Studium oder äquivalente Qualifikation durch Einzelnachweis

SPECIALIST IN MACHINE LEARNING

In diesem Zertifikat lernen Sie aktuelle Verfahren des maschinellen Lernens (ML) und tiefe Lern-

verfahren kennen und vertiefen diese in einem Einsatz bereich. Um den Wissenstransfer in Ihr

Unternehmen sicher zu stellen, arbeiten Sie an praktischen Aufgaben in einem cloudbasierten

ML-Labor. Dabei wechseln zwei Präsenzphasen mit Phasen selbstständiger Arbeit, bei denen Sie

im ML-Labor eine umfangreichere Aufgabe bearbeiten, Ihren Fortschritt dokumentieren und bei

Bedarf Rücksprache mit unseren Experten halten. Damit sind Sie bestens vorbereitet, um für die

Zertifizierung zum »Senior Data Scientist« im selben ML-Labor ein Analyseprojekt eigenständig

zu bearbeiten.

SPECIALIST

Praktische Anwendung im ML-Labor

Das ML-Labor besteht aus einem umfangreichen Tool kit mit bewährter Open-Source-Software

und Zugriff auf leistungsfähige Hardware. Jupyter Notebooks erlauben nicht nur die Program-

mierung und Ausführung von Python-basierten Applikationen, sondern eignen sich mit ihren

vielfältigen Annotationsmöglichkeiten ideal für den Austausch mit unseren Fachleuten. Das

ganze ML-Labor ist web-gestützt: Sie benötigen lediglich ein internetfähiges Endgerät mit

einem aktuellen Webbrowser, um das Labor (auch mobil) nutzen zu können.

12

Learning

for Cyber

Defense

Scalable

Learning

Systems

Time-Series

Analysis

Learning

Robots

Image

Understanding

Text

Understanding

1. TEIL(3 Präsenztage, 3 Tage Übungen im ML-Labor)

2. TEIL Optionen (2 Präsenztage,

2 Tage Übungen im ML-Labor)

FÜR DEN VERTIEFUNGS-

BEREICH STEHEN IHNEN

SECHS THEMEN ZUR

AUSWAHL

Current

Methods

of Machine

Learning


13

CURRENT METHODS OF MACHINE LEARNING

Fortschritte in moderner Grafikhardware und parallelen Optimierungsmethoden haben in den letzten Jahren die Anwendung

von Verfahren des Deep Learning auf umfangreiche Aufgaben der Mustererkennung ermöglicht. Diese Modelle enthalten

oft Millionen freier Parameter und erreichen in vielen Anwendungsbereichen wie Bilderkennung, Spracherkennung oder

Computer spielen mittlerweile das Niveau menschlicher Experten. Dies ermöglicht eine Vielzahl neuer Lösungen in Branchen wie

Medizin, Medien, Werbung oder Finanzen. Zudem erlauben die Modelle die Ableitung effektiver Steuerungen für dynamische

Spiel situationen oder die Berechnung von Auswahlempfehlungen für Nutzergruppen.

Sie lernen an praktischen Beispielen verschiedene Lernverfahren und ihre Einsatzmöglichkeiten auf Basis von Python und

Google TensorFlow kennen.

Tag 1

I Einführung in Deep Learning

I Einführung in TensorFlow

I Basismodule des Deep Learning

I Unüberwachtes Lernen mit neuronalen Netzen

Tag 2

I Faltungsnetze (CNN) zur Bild erkennung

I Rekurrente Netze (RNN) und Zeitreihenanalyse

zur Verarbeitung von Sequenzen

I Gegeneinander agierende Netze (GAN)

I Netze zur Speicherung gelernter Inhalte

Tag 3

I Verstärkungslernen mit neuronalen Netzen zur Steuerung

in Spielen

I Anwendung auf Gaming und Roboter-Navigation

I Empfehlungssysteme für Videos und Musik

I Kollaboratives Filtern zur Auswertung von Benutzergruppen

Praxisphase

Online-Aufgaben im ML-Labor im Umfang von drei Arbeits-

tagen im Zeitraum von zwei Monaten

Institute und Schulungsort

Fraunhofer IAIS, ITWM, Sankt Augustin

14

TEXT UNDERSTANDING

Nach aktuellen Schätzungen liegen mehr als 80 Prozent der

verfügbaren Informationen als Text vor. Das automatische

Verstehen der Textinhalte, z. B. in Sozialen Medien, ist daher

sehr relevant. Die hier vorgestellten Methoden klassifizieren

Dokumente in inhaltliche Kategorien, bestimmen die Ähn-

lichkeit von Worten, Phrasen und Dokumenten, reichern sie

semantisch mit Namen, Relationen und Meinungen an oder

beantworten Fragen. Ihre Performanz wurde in den letzten

Jahren durch moderne Optimierungsverfahren und Deep

Learning entscheidend verbessert.

Tag 1

I Einführung in Deep Text Analytics

I Klassifikation von Dokumenten

I Semantische Ähnlichkeit von Wörtern, Phrasen und

Dokumenten

I Entdeckung von Entitäten (z. B. Personen, Produkte)

und Relationen

I Praktische Programmierübung: Informationsextraktion

Tag 2

I Modelle zur Transformation und Übersetzung von

Wortfolgen

I Labeling von semantischen Rollen und semantisches Parsen

I Verstehen natürlicher Sprache

I Praktische Programmierübung: Training einer komplexen

Anwendung

Praxisphase

Online-Aufgaben im ML-Labor im Umfang von zwei Arbeits-


Institut und Schulungsort

Fraunhofer IAIS, Sankt Augustin

IMAGE UNDERSTANDING

Bilder enthalten reichhaltige Informationen, die jedoch kompli-

ziert zu extrahieren sind. Meist liegen wenige Metadaten vor

und erst der Kontext liefert Hinweise auf die Bedeutung. Daraus

ergeben sich Schwierigkeiten, Modelle des Bildverstehens zu

lernen. Ausgehend von überwachten Lernverhalten lernen Sie

Methoden kennen, die auch mit wenigen Trainingsbeispielen

auskommen und erfahren, wie man mit unbalancierten

Trainingsdaten umgehen kann. Vorerfahrungen und praktische

Erfordernisse der Teilnehmenden können bei der konkreten

Themenauswahl berücksichtigt werden.

Tag 1

I Bildanalyse mit Expertenwissen: Merkmalsdesign, Merkmals-

extraktion, Klassifikation

I Wann hilft was? Experten-Modellierung vs. Merkmal-Lernen

mit Deep Learning

I Segmentierung von Objekten mit Faltungsnetzen

I Objekterkennung mit Deep Learning und hybriden Methoden

I Bildklassifikation mit sehr tiefen Netzen und Adaption

vortrainierter Netze

Tag 2

I Style-Transfer-Lernen zur Trennung von Inhalt und Darstellung

I Gewinnung generalisierender Modelle aus wenigen

Trainingsdaten

I Generative Netze zur Erzeugung realistischer Bilder

I Vom Bild zum Text – Lernen aus gemischten Datenquellen

I Video-Analyse mit rekurrenten tiefen Architekturen

I Lernen spezifischer Filter zur Bildbearbeitung

Praxisphase




Fraunhofer MEVIS, Bremen


15

SPECIALIST

TIME-SERIES ANALYSIS

Zeitreihen stellen Analysten vor besondere Herausforderungen.

Hier gilt die Annahme, dass die Beobachtungen voneinander

unabhängig sind, in der Regel nicht. In der Praxis kommen

solche Daten häufig vor: Verschleiß an Maschinenteilen, der

Kundenweg durch einen Online-Shop und Muster in der Ak-

tivierung von Gehirnzellen sind Beispiele für Phänomene, die

mit Zeitreihen untersucht werden. In dieser Schulung lernen

Sie wichtige Methoden zum Analysieren von Zeitreihendaten

kennen und wenden sie auf praxisnahe Aufgaben und

Beispiele an.

Tag 1

I Lineare Modelle

I Probabilistische Modelle

I Ansätze mit künstlichen neuronalen Netzen

Tag 2

I Clustering und Klassifikation

I Analyse im Frequenzraum

I Anomalieerkennung und Ursachenanalyse

Praxisphase




Fraunhofer IAIS, Sankt Augustin

LEARNING ROBOTS

Industrieroboter und fahrerlose Transportfahrzeuge sind aus

der heutigen Produktionstechnik nicht mehr wegzudenken.

Sie führen repetitive Tätigkeiten wiederholgenau und

ermüdungsfrei durch. Sie können Prozessunsicherheiten mit

Kameras, Kraft-Momenten und anderen Sensoren erkennen.

Die Programmierung und Parametrierung der Auswertealgo-

rithmen erfolgte früher durch Experten, wird aber zukünftig

durch lernende Verfahren ersetzt. So können sich Roboter

autonom auf sich verändernde Umgebungsbedingungen

einstellen und sich selbst optimieren. In dieser Schulung lernen

Sie verschiedene Lernverfahren und ihre Einsatzmöglichkeiten

für lernende Roboter an Praxisbeispielen kennen.

Tag 1

I Aktuelle und zukünftige Anwendungsgebiete

I Best-Practice-Beispiele (SLAM, Objekterkennung für Griff in

die Kiste, Industrie 4.0 und weitere)

I Theoretische Grundlagen: Deep Reinforcement Learning,

Q-Learning, Multi-Agent Learning

Tag 2

I Maschinelles Lernen von Roboter-Skills

I Objekterkennung und -lokalisierung: Werkstücke, Umgebun-

gen und Menschen

I Sensomotorische Skills für Bewegung, Greifen, Bearbeiten,

Navigieren und Montieren

I Lernen und hybride Regelung von sensomotorischen Skills

für Roboter

I Online-Trajektorienplanung

Praxisphase




Fraunhofer IPA, Stuttgart

16

LEARNING FOR CYBER DEFENSE

In dieser Schulung lernen Sie, wie man mit Verfahren des

maschinellen Lernens bekannte und insbesondere auch neu-

artige Angriffe auf die Daten- und Informationssicherheit ver-

netzter Systeme erkennen kann. Da maschinelle Lernverfahren

ihrerseits anfällig für Manipulation und Täuschung sein können,

erfahren Sie auch anhand von konkreten Beispielen mögliche

Vorgehensweisen von Angriffen auf maschinelle Lernverfahren

sowie geeignete Schutzmaßnahmen.

Tag 1

I Trends und Herausforderungen der Cybersicherheit mit

maschinellem Lernen

I Algorithmen des maschinellen Lernens für Sicherheitsanwen-

dungen

I Merkmalsextraktion für Datenquellen der Sicherheit

I Anomalieerkennung und robustes Lernen

I Grundlagen des Adversarial Machine Learning

Tag 2

I Verhaltensbasierte kontinuierliche Authentifizierung von

Systemen gegen Cyberangriffe

I Klassifikation und Detektion von Malware

I NLP-Analyse von Sicherheitsdokumenten

I Gegnerische Angriffe und Gegenmaßnahmen mit

maschinellem Lernen in der Praxis

Praxisphase




Fraunhofer AISEC, München

SCALABLE LEARNING SYSTEMS

Die effiziente und skalierbare Implementierung von maschinel-

len Lernalgorithmen in produktiven Systemen ist eine wichtige

Voraussetzung für den Erfolg in Unternehmen. Hier lernen Sie

die theoretischen Grundlagen zum Entwurf von maschinellen

Lernsystemen kennen und üben die technische Umsetzung in

der Praxis.

Tag 1

I Komplexität und Laufzeitanalyse von Lernalgorithmen

I Implementierung auf GPUs, Mehrkern- und verteilten

Systemen

I Hardware-Architektur für ML-Systeme

Tag 2

I Maschinelles Lernen für Big-Data-Anwendungen

I High Performance Computing für maschinelles Lernen

I Verteilte Parallelisierung mit dem Message Passing

Interface (MPI) und dem Global Address Space

Programming Interface (GPI)

I Implementierung von ML-Systemen in der Cloud

Praxisphase

Online-Aufgaben im ML-Labor im Umfang von zwei

Arbeits tagen im Zeitraum von zwei Monaten


Fraunhofer ITWM, Kaiserslautern


17

SENIOR DATA SCIENTIST

Das Zertifikat »Senior Data Scientist« bescheinigt Ihnen Erfahrung in der selbstständigen

Durchführung von Projekten. Nachzuweisen sind weitere Berufserfahrung und der erfolgreich

absolvierte Zertifizierungsgrad »Data Scientist Advanced Level«. Zudem erarbeiten Sie eine

Projektdokumentation und präsentieren sie vor einem Expertengremium. Hierbei entscheiden

Sie, ob Sie in dem Projekt eine Aufgabe aus Ihrem Unternehmen oder eine von uns vorgeschla-

gene Aufgabe bearbeiten. Dabei begleiten wir Sie gerne.

I Begleitung bei einem Projekt in Ihrem Unternehmen

Die Durchführung eines Projekts in Ihrem Unternehmen hat viele Vorteile für Sie und Ihren

Arbeitgeber. Durch unser Coaching helfen wir Ihnen, eine Lösung auf hohem Niveau zu

entwickeln und qualifizieren Sie in einem Thema, das für Ihren Arbeitgeber unmittelbar

relevant ist und an dem Sie weiter arbeiten können. Der Arbeitsstil ist ähnlich effizient wie

das Coaching durch einen erfahrenen Kollegen.

I Begleitung bei einer vorbereiteten Aufgabenstellung

Wir bereiten Aufgabenstellungen und Daten zu verschiedenen Themen vor und stellen Ihnen

passende Werkzeuge zur Verfügung. Auch hierbei begleiten unsere Experten Sie.

Ab Frühjahr 2019 bieten wir Ihnen Coachings zu aktuellen Methoden des maschinellen

Lernens an, die an Vertiefungsthemen aus der Schulung zum »Specialist in Machine Learning«

anknüpfen, so dass Sie unmittelbar in die produktive Arbeit einsteigen können. Dazu arbeiten

Sie wie gewohnt weiter in unserem ML-Labor. Die Gebühren richten sich nach der Anzahl der

Coaching-Tage, die Sie buchen.

Zertifizierung: Prüfung durch die Fraunhofer-Personenzertifizierungsstelle in

Sankt Augustin

SENIOR

18

SpecialistBasic Senior

19

Kontakt


Schloss Birlinghoven

53757 Sankt Augustin

Regine Freitag

Telefon 02241 14-2047

[email protected]

Weitere Information und Online-Anmeldung:

www.bigdata.fraunhofer.de/datascientist

Das Programm wird auch im Rahmen der Fraunhofer Academy angeboten. 02/2018

Documents

WERDEN SIE DATA SCIENTIST!€¦ · I Einführung in KNIME I Einführung in Python Tag 2 Modellierungstechniken I Klassifikation und Evaluation I Regression und Evaluation I Clustering